[论文解读] Counterfactuals and Policy Analysis in Structural Models

Alexander Balke, Judea Pearl|arXiv (Cornell University)|Feb 20, 2013

Bayesian Modeling and Causal Inference参考文献 12被引用 70

一句话总结

本文提出了一种用于评估结构因果模型中反事实查询的形式化方法，将非线性结构方程模型扩展至支持干预下的连贯政策分析。该方法引入了一种基于 do-演算的框架，可评估涉及变量干预的“如果……会怎样”情景，即使这些变量此前受系统其他部分的影响，从而为政策和诊断情境下的因果推理提供统一方法。

ABSTRACT

Evaluation of counterfactual queries (e.g., "If A were true, would C have been true?") is important to fault diagnosis, planning, determination of liability, and policy analysis. We present a method of revaluating counterfactuals when the underlying causal model is represented by structural models - a nonlinear generalization of the simultaneous equations models commonly used in econometrics and social sciences. This new method provides a coherent means for evaluating policies involving the control of variables which, prior to enacting the policy were influenced by other variables in the system.

研究动机与目标

• 开发一种用于评估非线性结构模型中反事实查询的形式化框架。
• 在干预影响先前受其他系统变量影响的变量时，实现一致的政策分析。
• 将传统联立方程模型扩展，以支持因果推断中的反事实推理。
• 为故障诊断、责任判定和政策评估中的“如果……会怎样”情景提供一致的评估方法。

提出的方法

• 该方法使用结构因果模型（SCMs）作为联立方程模型的非线性推广。
• 通过应用 do-演算操作对变量进行干预，并计算反事实结果。
• 通过修改结构方程以反映干预，然后求解修改后的系统来评估反事实。
• 通过调整结构方程以反映假设干预，处理相互依赖的变量。
• 使用潜在结果框架，基于结构方程和误差项定义反事实。
• 通过保持模型中结构关系的一致性，确保干预之间的一致性。

实验结果

研究问题

• RQ1 在变量相互依赖的非线性结构模型中，如何评估反事实查询？
• RQ2 当目标变量先前受系统中其他变量影响时，应如何正确计算政策干预的效果？
• RQ3 如何在用于政策分析的结构模型中实现反事实推理的连贯性和一致性？
• RQ4 do-演算能否扩展以支持非线性系统中的反事实评估？
• RQ5 结构模型如何处理对内生变量进行干预的“如果……会怎样”情景？

主要发现

• 该方法为非线性结构模型中的反事实评估提供了一种连贯且形式化的方法，确保不同假设情景之间的一致性。
• 即使感兴趣的变量先前由其他系统变量决定，该方法也能实现准确的政策分析。
• 该框架支持对改变内生变量的干预进行评估，这对现实世界中的政策和诊断应用至关重要。
• 该方法通过引入结构干预，将传统联立方程模型推广至包含反事实推理。
• 该方法表明，即使在复杂且相互依赖的系统中，反事实查询也可通过结构方程和 do-演算系统性地解决。
• 该方法通过修改结构方程并求解所得系统，能够识别干预下的因果效应。